基于自生长CPG网络的足式机器人运动控制研究

足式机器人复杂环境下的自治行为理论研究是仿生机器人领域的热点问题，随着神经生物学和仿生机理研究的深入，基于CPG网络的仿生运动控制为足式机器人控制提供了新思路。本课题针对CPG仿生运动控制方法的不足，提出一种具有自生长功能的CPG仿生运动控制方法，实现对哺乳动物出生后在不同典型环境下由站立到行走的"不会到会"的过程模拟，并为复杂环境下足式机器人的自治行为研究奠定基础。课题以随机分析、随机控制理论为基础，以生物神经细胞突触生长为对象，利用矩阵理论、泛函等数学分析等工具，在目前已获得的振动理论神经元模型的基础上，研究基于自生长式CPG网络模型的仿生运动控制系统，解决自生长CPG网络控制系统的环境信息获取与行为决策、神经元突触生长建模、神经随机生长过程控制等问题，建立基于环境约束的自生长CPG网络，实现机器人从无序的CPG网络连接经过自身训练与学习，生成能够稳定步行的成熟进化的CPG网络。

复杂环境下的足式机器人自治行为理论研究是仿生机器人领域的热点问题。随着神经生物学和仿生机理研究的深入，基于CPG网络的运动控制为足式机器人研究提供了新思路，使得机器人在复杂环境中表现出一定的适应能力。但目前的CPG控制研究普遍存在模型单一，输出模式单调等缺陷，未能发挥出真正意义上自调节的机制。针对CPG仿生运动控制方法的不足，本课题展开了基于CPG自生长网络的机器人运动控制研究，完成动力学分析与生物运动方式综合；仿生运动控制系统行为状态空间建立与评价；基于随机运动特性的CPG网络生长模型研究；基于倒向性随机方程环境约束的自生长CPG网络模型研究；基于自生长CPG网络的机器人仿生运动控制分析与实验研究等内容。. 本课题的重要研究结果在于首次提出了一种基于随机运动控制理论的具有自生长功能的CPG仿生运动控制方法。通过对神经元突触生长及神经元之间突触随机连接数学模型的研究，利用倒向性随机方程解决神经元突触随机生长过程控制问题，建立了具有环境约束能力的自生长CPG网络模型，模拟哺乳动物出生后在不同典型环境下由站立到行走的“不会到会”的运动过程，使得足式机器人具有“行为自调节”能力，提高其“环境自适应”能力。并为复杂环境下的机器人自治行为研究奠定基础。